[发明专利]姿势预测方法、装置、计算机设备和存储介质有效

专利信息
申请号: 201910370678.1 申请日: 2019-05-06
公开(公告)号: CN110287764B 公开(公告)日: 2022-01-11
发明(设计)人: 胡瑞珍;黄惠;张皓 申请(专利权)人: 深圳大学
主分类号: G06K9/00 分类号: G06K9/00
代理公司: 广州华进联合专利商标代理有限公司 44224 代理人: 陈小娜;何平
地址: 518060 广东省深*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 姿势 预测 方法 装置 计算机 设备 存储 介质
【权利要求书】:

1.一种姿势预测方法,所述方法包括:

获取对三维场景扫描得到的场景图像,所述场景图像是二维图像;

分别获取预设动作标签;

计算所述场景图像中,发生各个所述预设动作标签对应的动作的动作概率;

根据所述动作概率获取所述场景图像中的动作区域,并根据所述动作概率从所述预设动作标签中获取动作标签;其中,所述动作标签用于表示人体在所述动作区域中所发生的动作;

根据所述动作标签获取姿势类型,并根据所述动作区域以及所述动作标签,获取包围框坐标;

根据所述姿势类型以及所述包围框坐标计算出姿势方向;

根据所述包围框坐标以及所述姿势方向,获取所述人体姿势模型在所述场景图像中的姿势数据;

根据所述姿势数据获取人体姿势模型,并根据所述动作区域和姿势数据将所述人体姿势模型映射到所述三维场景中。

2.根据权利要求1所述的方法,其特征在于,所述根据所述动作概率获取所述场景图像中的动作区域,包括;

根据所述动作概率以及所述预设动作标签,检测所述场景图像中的动作接触区域;

获取所述场景图像中与所述动作接触区域对应的接触物体,并获取所述接触物体对应的蒙版图像;

根据所述动作接触区域以及所述蒙版图像,获取所述场景图像中的动作区域。

3.根据权利要求1所述的方法,其特征在于,所述根据所述动作标签获取姿势类型,包括:

获取预先设置的姿势类型;

分别计算所述动作标签属于各个所述预先设置的姿势类型的姿势概率;

根据所述姿势概率,从所述预先设置的姿势类型中获取与所述动作标签对应的姿势类型。

4.根据权利要求1所述的方法,其特征在于,所述根据所述动作区域以及所述动作标签,获取包围框坐标,包括:

获取所述场景图像中每一个所述动作区域对应的参考包围框坐标;

分别计算出各个所述参考包围框坐标的置信度值;

根据所述置信度值从所述参考包围框坐标中获取每一个所述动作区域对应的包围框坐标。

5.根据权利要求1所述的方法,其特征在于,所述根据所述姿势类型以及所述包围框坐标计算出姿势方向,包括:

获取与所述姿势类型对应的参考方向;

根据所述参考方向以及所述包围框坐标计算旋转角度;

根据所述参考方向以及所述旋转角度计算出姿势方向。

6.一种姿势预测装置,其特征在于,所述装置包括:

图像获取模块,用于获取对三维场景扫描得到的场景图像,所述场景图像是二维图像;

动作区域获取模块,用于分别获取预设动作标签;计算所述场景图像中,发生各个所述预设动作标签对应的动作的动作概率;根据所述动作概率获取所述场景图像中的动作区域,并根据所述动作概率从所述预设动作标签中获取动作标签;其中,所述动作标签用于表示人体在所述动作区域中所发生的动作;

姿势数据获取模块,用于根据所述动作标签获取姿势类型,并根据所述动作区域以及所述动作标签,获取包围框坐标;根据所述姿势类型以及所述包围框坐标计算出姿势方向;根据所述包围框坐标以及所述姿势方向,获取所述人体姿势模型在所述场景图像中的姿势数据;模型映射模块,用于根据所述姿势数据获取人体姿势模型,并根据所述动作区域和姿势数据将所述人体姿势模型映射到所述三维场景中。

7.根据权利要求6所述的装置,其特征在于,所述动作区域获取模块还用于根据动作概率以及预设动作标签,检测场景图像中的动作接触区域;获取场景图像中与动作接触区域对应的接触物体,并获取接触物体对应的蒙版图像;根据动作接触区域以及蒙版图像,获取场景图像中的动作区域。

8.根据权利要求6所述的装置,其特征在于,所述姿势数据获取模块还用于获取预先设置的姿势类型;分别计算动作标签属于各个预先设置的姿势类型的姿势概率;根据姿势概率,从预先设置的姿势类型中获取与动作标签对应的姿势类型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳大学,未经深圳大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910370678.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top